Las herramientas de IA que están transformando la investigación de mercados
L
a IA generativa está transformando la recopilación, creación y análisis de información sobre los consumidores y el mercado: el motor del marketing estratégico.
Creemos que en el centro de esta transformación se encontrarán dos herramientas generadas por IA diseñadas para actuar como representantes de las personas: el perfil sintético (que representa a un individuo o grupo compuesto) y el gemelo digital (que representa a un individuo real). Al utilizar datos públicos o privados para simular las respuestas humanas a preguntas y encuestas, estas nuevas herramientas prometen permitir a los mercadólogos realizar investigaciones y experimentos sin el tiempo, costo y carga que implican las entrevistas o encuestas tradicionales para los participantes.
El perfil sintético
En este enfoque, los investigadores, mercadólogos, gerentes de producto y vendedores proporcionan a un modelo de IA información demográfica, psicográfica o conductual sobre un tipo o segmento de cliente para crear un perfil que sea representativo de ese tipo o segmento. Luego pueden pedirle al LLM (modelo de lenguaje de gran tamaño) que responda a preguntas como si fuera ese tipo de persona.
El gemelo digital
Este enfoque va más allá de los segmentos compuestos y los perfiles imaginarios, y aporta datos a nivel individual para la tarea. Si una empresa dispone de datos detallados a nivel individual sobre un grupo de clientes a partir de interacciones, encuestas o entrevistas anteriores, por ejemplo, podría utilizar esos datos para crear gemelos digitales de esas personas, que luego podrían participar en encuestas virtuales, “entrevistas” cualitativas e incluso experimentos en lugar de las personas a las que representan. Esto tiene muchas aplicaciones potenciales interesantes, pero también algunas implicaciones éticas importantes.
Cómo empezar
1. Determine su caso de uso. Es fundamental tener en mente el objetivo final: ¿Busca una estimación puntual de un segmento clave o desea comprender cómo las personas valoran de forma diferencial ciertas características del producto?
2. Determine el tipo de consumidores que quiere simular. ¿Quiere entender mejor el punto de vista promedio o compuesto de un segmento en particular, donde podría funcionar un perfil sintético? ¿O quiere “retroalimentación” de un consumidor específico o de un conjunto de consumidores, donde pueda valer la pena el esfuerzo y el costo extra de crear gemelos digitales capaces de captar variaciones y matices tanto dentro como entre segmentos?
3. Obtenga los datos necesarios para calibrar los perfiles o gemelos. Este puede ser el factor limitante para algunas opciones.
4. Defina métricas de rendimiento claras y precisas. Aunque es tentador tratar las métricas de rendimiento como intercambiables, no lo son, y su elección influirá en la conclusión que usted extraiga de sus datos.
5. Realice una pequeña prueba. Idealmente, esta prueba debe ser representativa de su caso de uso, y usted debe aplicarla a una muestra de participantes humanos que sean representativos de sus clientes.
6. Evalúe el rendimiento de sus perfiles sintéticos o gemelos digitales. Compare sus datos sintéticos con esa medida de la realidad sobre el terreno. Asegúrese de incluir puntos de referencia relevantes que le ayuden a contextualizar los resultados.
7. Decida si quiere escalar. En esta etapa del proceso, usted tendrá una visión holística del potencial de los datos sintéticos para su caso de uso.
8. Realice pruebas periódicas para garantizar la validez continua y mantener sus datos actualizados. Por ejemplo, puede ser útil realizar periódicamente estudios paralelos sobre las personas reales que hay detrás de su panel de gemelos digitales.
A medida que este campo continúa expandiéndose, es inevitable que los perfiles sintéticos y los gemelos digitales cobren cada vez más relevancia. Puede que aún no estén completamente preparados para posicionarse en el centro de la escena, pero pronto lo estarán, y cuando eso ocurra, es muy probable que transformen por completo el mundo del marketing.
© 2025 Harvard Business School Publishing Corp. | De: hbr.org | Distribuido por: The New York Times Syndicate.
Artículo en inglés
Generative artificial intelligence is transforming the collection, creation and analysis of consumer and market insights — the lifeblood of strategic marketing.
At the center of this transformation, we believe, will be two AI-generated tools designed to act as proxies for people: the synthetic persona (representing a composite individual or group) and the digital twin (representing a real individual). By using publicly available or proprietary data to simulate human responses to questions and surveys, these new tools promise to enable marketers to conduct research and experiments without the time, cost and participant burden of traditional interviews or surveys.
THE SYNTHETIC PERSONA
In this approach, researchers, marketers, product managers and sellers provide an AI model with demographic, psychographic or behavioral information about a customer type or segment to create a persona that’s representative of that type or segment. They can then ask the large language model to answer questions as if it were that type of person.
THE DIGITAL TWIN
This approach goes beyond composite segments and imagined personas and brings individual-level data to bear on the task. If a company has detailed, individual-level data about a group of customers from past interactions, surveys or interviews, for example, it might use that data to create digital twins of these individuals, who can then take part in virtual surveys, qualitative “interviews” and even experiments in the place of the individuals they represent. This has many interesting potential applications — and some serious ethical implications.
HOW TO GET STARTED
1. DETERMINE YOUR USE CASE. Keeping the end in mind is crucial: Are you seeking a point estimate from a key segment, or do you want to understand how individuals differentially value certain product features?
2. DETERMINE THE TYPE OF CONSUMERS YOU WANT TO SIMULATE. Do you want to better understand the average or composite point of view of a particular segment, where a synthetic persona might work? Or do you want “feedback” from a specific consumer or set of consumers, where it may be worth the extra effort and cost to create digital twins that can capture variations and nuances both within and across segments.
3. GET THE DATA NECESSARY FOR CALIBRATING THE PERSONAS OR TWINS. This can be the limiting factor for some options.
4. DECIDE ON CLEAR AND PRECISE PERFORMANCE METRICS. Although it is tempting to treat performance metrics as interchangeable, they are not, and the choice of your performance metric will influence the conclusion you will draw from your data.
5. RUN A SMALL TEST. Ideally, this test should be representative of your use case, and you should run it on a sample of human participants who are representative of your customers.
6. EVALUATE THE PERFORMANCE OF YOUR SYNTHETIC PERSONAS OR DIGITAL TWINS. Compare your synthetic data to that measure of ground truth. Make sure to include relevant benchmarks to help you contextualize the results.
7. DECIDE WHETHER YOU WANT TO SCALE. By this stage of the process, you will have a holistic view of the potential of synthetic data for your use case.
8. PERIODICALLY TEST TO ENSURE ONGOING VALIDITY AND KEEP YOUR DATA FRESH. For example, it may be useful to periodically run parallel studies on the real humans behind your digital-twins panel.
Given the growing interest in this space, we will undoubtedly see increased interest in synthetic personas and digital twins. They may not be quite ready for prime time yet — but they will be soon, and when they are, they’re likely to revolutionize the world of marketing.
Leyes de privacidad al compartir datos
Las regulaciones que ampliaron el control de los clientes sobre el uso que las empresas hacen de sus datos personales entraron en vigor en California y Virginia en 2023.
Cuando se trata de valor a largo plazo, las empresas tradicionales deberían pensar como disruptores digitales
A diferencia de muchas empresas tradicionales consolidadas, los disruptores digitales exitosos se enfocan en crear valor a largo plazo de una manera diferente.
Cuando el CEO se convierte en la marca
Cuando una marca se polariza políticamente debido al activismo de su CEO, la empresa se enfrenta a tres caminos estratégicos principales de cara al futuro.
